سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

سیستم تشخیص نفوذ وب میزبان، مبتنی بر یادگیری ماشین

Publish Year: 1389
Type: Conference paper
Language: Persian
View: 3,778

This Paper With 9 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

CICS01_041

Index date: 7 February 2011

سیستم تشخیص نفوذ وب میزبان، مبتنی بر یادگیری ماشین abstract

وب سرورها و کاربردهای وب عموما در معرض تهدیدها و حملات هستند مقاله حاضر به ارائه شیوه ای مبتنی بر شبکه های بیزین و مارکوف به کشف و شناسایی نفوذ با استفاده از اموزش از طریق پردازش داده های لاگ برچسب خورده و همچنین رفتارهای کاربران براساس حملات مبتنی بر وب سرورها می پردازد در فاز اول ما به بررسی لاگ وب سرور برگرفته از اپاچی معروف به لاگ رایج پرداخته و در فاز دوم سعی بر این خواهد بود تا با استفاده از نرم افزار تولید لاگ و قرار دادن آن میان مفسر وب و اپاچی خود به تولید لاگ پرداخته و در پایان به بررسی و مقایسه این دونوع داده براساس روشهای گفته شده خواهیم پرداخت و نشان خواهیم داد تشخیص نفوذ توسط لاگ های همراه با نشست نتیجه بهتری نسبت به لاگهای پیش فرض اپاچی خواهند داشت.

سیستم تشخیص نفوذ وب میزبان، مبتنی بر یادگیری ماشین Keywords:

تشخیص نفوذ پذیری انومالی , مدل مارکوف , بیزین , فایل لاگ , نفوذ پذیری مبتنی بر وب , یادگیری ماشین

سیستم تشخیص نفوذ وب میزبان، مبتنی بر یادگیری ماشین authors

محمد خوانساری

مرکز تحقیقات مخابرات ایران

رضا عزمی

دانشگاه الزهرا

ایمان خلخالی

دانشگاه صنعتی شریف پردیس بین الملل

زهرا رفعت پناه

دانشگاه الزهرا

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
W. Lee, S.J. Stolfo, and K.W. Mok, "Adaptive Ittrusioh Detection: ...
Artificial Intelligence Review, vol. 14, DDec. 2000, pp. 533-567. ...
A. Singhal, Data warehousing and data mining techniques for cyber ...
V. Chandola, A. Banerjee, and V. Kumar, detection: ...
Computing Surveys (CSUR), vol. 41, 2009, p. A. Luotonen, 40The ...
S. Cho ad S. Cha, SAD: web session anomaly detection ...
C. Kruegel and CG. Vigna, :Anomaly detection of web-based attacks, ...
Faltin F. & Kenctt R., " Bayesian Networks", Encyclopedia of ...
(Generatiom Security Software Ltd, 2002. ...
A. Klein. CCross Site Scripting Explained. Techhical report, Sanctum Inc., ...
K. Ingham and H. Inoue, "Comparing anomaly detection techniques for ...
M. Cova, D. Balzarotti, V. Felmetsger, and G. _ :Swaddler: ...
Y. Song, A.D. Keromytis, and S.J. Stolfo, "Spectrogram: A mi ...
C. Torrano -Gimenez , A. Perez- Villegas, and G. Alvarez, ...
_ _ of Information Assurance and Security, vol. 5, 2010, ...
Q. Do Nguyen, "Anomaly Handling in Analytics, ...
_ Balzarotti, M. Cova, V.V. Felmetsger, ad G. Vigna, _ ...
Proceedings of the _ conference _ Computer ard _ _ ...
نمایش کامل مراجع

مقاله فارسی "سیستم تشخیص نفوذ وب میزبان، مبتنی بر یادگیری ماشین" توسط محمد خوانساری، مرکز تحقیقات مخابرات ایران؛ رضا عزمی، دانشگاه الزهرا؛ ایمان خلخالی، دانشگاه صنعتی شریف پردیس بین الملل؛ زهرا رفعت پناه، دانشگاه الزهرا نوشته شده و در سال 1389 پس از تایید کمیته علمی کنفرانس ملی امنیت اطلاعات و ارتباطات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله تشخیص نفوذ پذیری انومالی، مدل مارکوف، بیزین، فایل لاگ، نفوذ پذیری مبتنی بر وب، یادگیری ماشین هستند. این مقاله در تاریخ 18 بهمن 1389 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 3778 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که وب سرورها و کاربردهای وب عموما در معرض تهدیدها و حملات هستند مقاله حاضر به ارائه شیوه ای مبتنی بر شبکه های بیزین و مارکوف به کشف و شناسایی نفوذ با استفاده از اموزش از طریق پردازش داده های لاگ برچسب خورده و همچنین رفتارهای کاربران براساس حملات مبتنی بر وب سرورها می پردازد در فاز اول ما به بررسی ... . این مقاله در دسته بندی موضوعی یادگیری ماشین طبقه بندی شده است. برای دانلود فایل کامل مقاله سیستم تشخیص نفوذ وب میزبان، مبتنی بر یادگیری ماشین با 9 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.